来源：期刊VIP网 时间：
作者：徐婧雯;杨平;阴晓俊;
单位：沈阳仪表科学研究院有限公司;沈阳工业大学信息科学与工程学院;
摘要：为解决齿轮磨损早期故障诊断问题，提出了一种基于经验模态分解（Empirical Mode Decomposition,EMD）和算法优化反向传播（Back Propagation,BP）神经网络的故障诊断方法。首先，将声发射信号进行经验模态分解，得到本征模函数（Intrinsic Mode Function,IMF）；其次，计算各IMF分量与原始信号的相关系数，并对各个分量进行特征提取，构成特征矩阵；最后，将特征矩阵放入经过Levy飞行和麻雀搜索算法优化后的BP神经网络中进行识别。对比BP神经网络和麻雀搜索算法优化后的神经网络，本文提出的算法准确率更高，且对轻微磨损故障的识别能力更好，可以用于早期齿轮故障诊断。
关键词：齿轮箱;;声发射;;故障诊断;;BP神经网络;;麻雀搜索算法;;Levy飞行;;经验模态分解
基金资助：中国航空发动机集团应用创新项目（630010504）
